高低压转子弹性支承振动应力信号的LMD切片谱分析与时频分布

针对传统的频谱分析方法不能很好地辨识航空发动机转子振动特征频率的问题,采用局部均值分解（Local Mean Decompo? sition, LMD）,结合切片谱的频谱分析方法,对航空发动机转子振动信号进行自适应模态分解与峰值频率辨识;对转子振动信号进行时 频分析,得到其时频分布。将该方法应用于某航空发动机高、低压转子的弹性支承振动应力信号分析中。结果表明：相比于发动机振 动正常状态,在发动机振动异常状态下,高、低压转子弹性支承振动应力信号的LMD切片谱中除了存在高、低压转子的基频和倍频成 分,还存在高、低压转子间的调制频率,且在异常状态下F分量的时变特征更加明显。采用LMD切片谱分析方法获取了发动机振动正 常状态和异常状态下的振动频谱特征和时频分布,可为航空发动机转子振动特征提取与状态判别提供参考。     

基于最优阈值小波包分析的转子振动信号降噪研究

针对采集转子振动信号时信号中往往夹杂着噪声干扰的问题,提出了一种自寻优阈值的小波包降噪方法。该方法可对不同振动信号自寻优地设置阈值,且阈值的选取与所研究的信号有关而与信号长度无关;并根据采样定理计算不同转子转速对应的小波包分解的最低层数。对多种信号进行的降噪研究表明,该方法可有效降低转子振动信号中的噪声干扰。     

航空发动机高低压转子间碰摩故障特征提取

针对变分模态分解(VMD)需要人为确定输入参数的问题,提出了一种参数自适应VMD(APVMD)方法,其通过粒子群(PSO)算法优化VMD的输入参数.使用APVMD结合切片谱的方法,对双转子航空发动机振动正常和异常状态下的实测弹性支承应变信号进行分析.分析结果表明,APVMD方法可以自适应地实现对实测弹性支承应变信号的分...     

基于CEEMDAN降噪与双谱分析的滚动轴承故障诊断

滚动轴承早期故障信号中的噪声成分会影响到故障特征的提取。为了提高含噪故障信号中滚动轴承早期故障特征提 取的准确性，将基于自适应噪声的完备经验模态分解（CEEMDAN）用于滚动轴承振动信号的降噪中，并对降噪后的轴承故障信号 进行双谱分析。结果表明：CEEMDAN可有效去除轴承振动信号中的低频噪声干扰，经CEEMDAN降噪后的不同轴承故障信号的 双谱全局图存在明显差异，根据这些差异可在宏观上对不同轴承故障加以区分；通过经CEEMDAN降噪后的不同轴承故障信号的 双谱细节图可以正确提取不同轴承故障的特征频率，从而实现对各轴承故障的有效诊断。CEEMDAN降噪结合双谱分析可为滚 动轴承故障诊断提供一种新的有效方法。     

改进CEEMD–MRSVD降噪方法及应用研究

针对总体经验模态分解（Ensemble empirical mode decomposition,EEMD）阈值降噪处理方法难以取得理想效果问题,提出了改进互补集合经验模态分解–多分辨率奇异值分解（Complementary ensemble empirical mode decomposition–multi-resolution singular value decomposition,CEEMD–MRSVD）降噪方法。含噪信号经CEEMD处理,克服了EEMD时效性差及EMD模式混叠缺陷,然后利用信号和噪声的相关特性对分解得到的本征模态分量进行信号主导和噪声主导分量区分,根据噪声强度不同,提出对噪声主导和信号主导的本征模态分量进行策略性优化的多分辨率奇异值处理方法,最后经Savitzky–Golay平滑滤波,剔除信号粗糙细节,重构达到降噪目的。试验通过仿真信号和超声回波信号降噪处理,结果表明,此方法不仅有效剔除了噪声干扰,而且减少了有用细节流失。     

基于LCD-ICA的水声信号降噪方法

针对水下目标信号易受噪声影响、信噪分离难的问题,提出一种基于 LCD和 ICA分析相结合的水声信号降噪方法,给出了该方法在水声降噪领域中应用原理和方法步骤;并通过仿真信号,验证了该方法在水声信噪分离中的有效性。结果表明,采用文中所提的方法能够有效降低噪声干扰,提高目标检测的可靠性。     

基于改进马田系统的发动机转子振动信号研究

针对发动机转子系统的振动信号分析问题,提出了一种基于改进马田系统的故障模式识别和分类方法。利用最优阈值小波包变换方法对振动信号进行降噪;对降噪后的振动信号进行小波包分解,提取时频域特征构建基准空间;然后利用岭估计回归分析消除马氏距离的复共线性,使用切比雪夫定理计算马田系统的概率阈值,运用有向非循环图方法对不同模式进行分类;将方法应用于转子振动数据中以验证算法的有效性。结果表明,基于改进的马田系统算法模式识别准确率高,是一种有效的振动信号故障模式分类方法。     

基于小波和EMD的时频矩阵DEM降噪方法

针对强噪声背景下振动信号容易被非平稳强噪声干扰问题,提出了一种小波和EMD结合的时频矩阵DEM降噪方法,该方法拟解决小波变换对信号局部自适应性差的问题,同时增强EMD本征模态函数的选取和重构。通过该方法对仿真信号和实测振动信号降噪,结果表明:该方法能够有效提取强噪声背景下有效的振动信号,提高信噪比。这一方法为旋转机械在强噪声干扰运行环境下提取有效故障信息提供支持。     

航空发动机锥齿轮故障诊断技术研究

通过在锥齿轮相对应的附件机匣壳体上固定加速度传感器,在发动机试车过程中采集锥齿轮振动信号,识别特征信号,运用时频分析法、低秩稀疏分解算法、稀疏正则算法、谱峭度法分别对锥齿轮故障特征信号进行分析处理,通过比较分析,表明低秩稀疏分解算法能够有效滤除噪声和谐波干扰信号,增强故障特征信号的显著性,识别锥齿轮潜在故障,解决了锥齿轮微弱振动信号难以分离和识别的技术难题,实现了航空发动机锥齿轮故障诊断,保证了锥齿轮工作可靠性和安全性,为航空发动机锥齿轮故障诊断提供了新方法。     

基于模态发生器的进气道风扇噪声及声衬降噪实验

为研究发动机进气道风扇噪声特性及声衬降噪效果,使用模态发生器提供声源,采用固定麦克风阵列和旋转扫描耙装置测量进气道内噪声信号,进而利用周向和径向模态分解方法得到声模态幅值,对影响模态分解结果的关键因素进行了研究.对周向模态在时域内进行分解,得到幅值和相位的时变特性.最后完成了2套声衬实验件降噪效果测试.结果表明:模态发...